气象雷达故障诊断与健康管理关键技术研究

发布时间：2023-01-04 18:50

　　随着气候的多样变化和极端天气的频繁出现,农业领域对气象雷达的依赖越来越严重。气象雷达一般建立在人烟稀少的露天场所,各种天气对其损坏以及零配件的自然老化都影响着气象雷达的性能及正常业务的进行。目前,一般采取周期性的“定时维修”和出现故障后的“事后维修”等方式,此类策略浪费人力、财力,可靠性差。因此,有必要对气象雷达的故障诊断和健康管理进行研究,实现维修策略由“事后维修”、“定时维修”向预防性维修的转变,以提高维修效率,保证气象雷达运行能力。本文主要研究的具体工作包括:第一,根据气象雷达系统的组成以及工作原理,结合气象雷达故障历史数据,分析气象雷达的故障类型、故障时间、各类故障占比情况等,为后续的故障诊断提供支撑。同时梳理故障诊断与健康管理的理论知识,设计了针对气象雷达的开放式健康管理系统体系结构。第二,深入研究气象雷达伺服电机的故障诊断技术,利用四种方法,层层递进实现伺服电机故障的精确诊断,首先,在时域上人工提取信号特征,并把特征送入常规神经网络进行故障诊断;接着,采用对时间序列具有优良处理能力的LSTM长短时记忆网络来完成故障诊断;然后,结合人工提取的特征具有时间依赖性的特点,将其送入... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 故障诊断与健康管理研究现状
        1.2.2 雷达故障诊断研究现状
        1.2.3 深度学习在故障诊断中的应用
    1.3 本文研究的主要内容
2 气象雷达故障诊断理论与健康管理系统框架
    2.1 气象雷达简介
    2.2 气象雷达故障分析
        2.2.1 气象雷达故障分类
        2.2.2 气象雷达故障时间及原因分析
    2.3 气象雷达故障诊断理论基础
        2.3.1 气象雷达故障的基本特点
        2.3.2 气象雷达故障诊断的方法
    2.4 气象雷达健康管理系统
        2.4.1 健康管理系统完成的功能
        2.4.2 融合型数据处理流程
        2.4.3 健康管理系统体系结构
    2.5 本章小结
3 基于深度学习的气象雷达伺服电机故障诊断
    3.1 伺服电机数据准备
    3.2 基于神经网络的故障诊断
        3.2.1 神经网络介绍
        3.2.2 时间序列信号特征提取
        3.2.3 基于时域特征的神经网络故障诊断
    3.3 基于LSTM长短时记忆网络的故障诊断
        3.3.1 循环神经网络的引入
        3.3.2 BPTT算法
        3.3.3 LSTM长短时记忆网络
        3.3.4 基于LSTM网络的故障诊断
    3.4 基于Conv1D_LSTM的故障诊断
        3.4.1 Conv1D_LSTM算法设计
        3.4.2 Conv1D_LSTM网络模型特点
        3.4.3 Conv1D_LSTM故障诊断结果与分析
    3.5 本章小结
4 基于Spark的气象雷达实时大数据健康管理系统设计与实现
    4.1 气象雷达健康管理系统设计
        4.1.1 气象雷达健康管理系统面临的技术问题
        4.1.2 气象雷达健康管理系统架构与技术选型
        4.1.3 实际部署方案的考虑
    4.2 气象雷达健康管理系统实现
        4.2.1 模拟数据生产模块
        4.2.2 实时数据接收模块
        4.2.3 模型训练模块
        4.2.4 实时诊断与预测模块
        4.2.5 数据展示模块
    4.3 结果展示
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表论文及科研成果
致谢



本文编号：3727749